Ein niedrigerer Median zwischen Warenkorb und Kauf kann am gewählten Startpunkt liegen

Der Vergleich umfasst 193.397 Nutzer-Produkt-Paare mit zugeordnetem Kauf und insgesamt 23.692 erfassten Nutzer-IDs. Jedes Paar hat ein erstes nutzbares Warenkorbereignis im November und einen später erfassten Kauf innerhalb von 7 Tagen. Ein Nutzer kann mehrere Produkte beitragen. Die Zahl der Paare ist deshalb keine Zahl von Personen, Warenkörben oder Bestellungen.

Für jedes Paar beginnt die erste Messung beim frühesten beobachteten Warenkorbereignis im November. Die zweite beginnt beim letzten Warenkorbereignis, das zeitlich strikt vor demselben Kauf liegt. „Erstes“ bedeutet hier also das erste Ereignis in dieser Novemberdatei, nicht das allererste Interesse am Produkt. Der Kauf als Endpunkt bleibt unverändert.

Der Median der ersten Messung betrug 2.656 Sekunden, also 44 Minuten 16 Sekunden. Der Median der letzten Messung lag bei 2.208 Sekunden oder 36 Minuten 48 Sekunden. Die Differenz dieser beiden Zusammenfassungen beträgt 448 Sekunden: 7 Minuten 28 Sekunden.

Die Differenzen innerhalb der Paare zeigen etwas anderes: Ihr Median war null. Der mittlere Wert eines Berichts und die Veränderung eines einzelnen Datensatzes sind unterschiedliche Zusammenfassungen. Die nächsten Abschnitte erklären, warum beide Ergebnisse richtig sein können.

Die Tabelle führt die beiden Messungen und die Differenzen innerhalb der Paare in getrennten Spalten auf. Jede Spalte wird für sich sortiert. Eine Zeile kennzeichnet daher nicht dasselbe Paar an dieser Position in allen drei Listen.

Bei 159.358 Paaren begannen beide Messungen am selben eindeutigen Warenkorbzeitstempel. Ihre Differenz war null. Diese Paare machten 82,4 % der zugeordneten Gruppe aus. Das erklärt, warum der Median der paarweisen Differenzen null war, obwohl die Mediane der beiden Messungen voneinander abwichen.

Die übrigen 34.039 Paare, also 17,6 %, hatten vor dem festgehaltenen Kauf mindestens zwei unterschiedliche Warenkorbzeitstempel. Innerhalb dieser kleineren Gruppe betrug der Median der Differenz zwischen den Messungen 469 Sekunden: 7 Minuten 49 Sekunden. Dieser auf die Teilgruppe beschränkte Median beschreibt die 34.039 Paare, nicht alle 193.397.

Die beiden Wege, diese kleinere Gruppe zu bestimmen, sind gleichwertig. Gibt es mehrere unterschiedliche vorangehende Warenkorbzeitstempel, liegt der letzte nach dem ersten. Die ab diesem Zeitpunkt gemessene Dauer ist daher kürzer. Der nützliche Messbefund ist, wie oft dies vorkam und wie groß die erfasste Zeitspanne war. Die Richtung selbst folgt aus den Definitionen.

Identische Messungen bedeuten, dass derselbe erfasste Warenkorbzeitstempel beide Starts lieferte. Das beschreibt nicht jeden Schritt der Kaufhistorie. Auch bei mehreren Warenkorbaktionen bleibt ihr Zweck offen: Die Quelle enthält kein Mengenfeld, das erklären würde, was sich zwischen ihnen geändert hat.

Ein kleines Beispiel macht den Unterschied anschaulicher. Nimm 3 erfundene Nutzer-Produkt-Datensätze, deren Dauern alle in Minuten angegeben sind. Die Dauern ab dem ersten Warenkorbereignis betragen 10, 20 und 30. Bei den ersten 2 Datensätzen bleiben die Dauern ab dem letzten Warenkorbereignis bei 10 und 20. Beim dritten ergibt der Start an einem späteren Warenkorbereignis eine Dauer von 5.

Der erste Bericht sortiert seine Dauern als 10, 20, 30. Sein mittlerer Wert, der Median, ist 20. Der zweite sortiert sie als 5, 10, 20. Sein Median ist 10. Nur 1 der 3 Datensätze hat sich verändert. Das reicht aber aus, um zu ändern, welcher Wert in der Mitte der sortierten Liste steht.

Vergleiche nun jeden Datensatz mit sich selbst. Die Differenzen sind 0, 0 und 25. Der mittlere Wert dieser Liste ist null. Die Differenz zwischen den Berichtsmedianen beträgt 10, während der Median der Differenzen innerhalb der Datensätze null ist. Beide Aussagen folgen direkt aus diesen erfundenen Werten.

Das Ergebnis des größeren Shop-Protokolls beruht auf demselben Prinzip. Seine Mediane fassen ganze Verteilungen zusammen; die paarweisen Differenzen vergleichen jeden Kauf mit sich selbst. Wer den kleineren Median als das Ausmaß deutet, um das ein typischer Kauf „schneller wurde“, verwechselt diese beiden Fragen. In unserer Analyse änderte sich kein Kaufendpunkt.

Ein Team kann Dauern zusätzlich zum Median auch in Intervallen zusammenfassen. Wir haben drei feste beschreibende Intervalle verwendet: unter 1 Stunde, 1 Stunde bis unter 1 Tag sowie 1 Tag bis einschließlich 7 Tage. Dies sind beispielhafte Berichtskategorien, keine Vorschläge für den Versandzeitpunkt einer E-Mail oder einer anderen Nachricht.

Durch den Wechsel des Startereignisses fielen 8.749 zugeordnete Paare in ein früheres Intervall. Das sind 4,5 % aller 193.397 Paare. Davon wechselten 3.841 aus dem mittleren Intervall zu unter 1 Stunde; 3.020 aus dem längsten Intervall zu unter 1 Stunde; und 1.888 aus dem längsten in das mittlere Intervall.

Die meisten Paare blieben im selben Berichtsintervall. Dazu gehören auch Paare, deren genaue Dauer sich änderte, ohne eine Intervallgrenze zu überschreiten. Die Intervalltabelle und die Tabelle zu identischen Messungen beantworten daher unterschiedliche Fragen: Hat sich der Zahlenwert der Dauer geändert, und ordnet der Bericht das Paar einer anderen Gruppe zu?

Jeder Prozentsatz in dieser Kreuztabelle bezieht sich auf alle 193.397 zugeordneten Paare. Die 3.841 Paare, die vom mittleren Intervall zu unter 1 Stunde wechseln, machen beispielsweise 2,0 % der gesamten zugeordneten Gruppe aus. Sie sind nicht 2,0 % der mittleren Zeile. Der sichtbare gemeinsame Nenner macht die Tabelle zusammen mit dem Gesamtvergleich nutzbar.

Betrachte Paper Orchard, einen fiktiven Notizbuchshop. Die folgende Zeitleiste und Berichtsvorlage sind erfundene Beispiele und von den Ergebnissen des Kosmetikshops getrennt. Wir nehmen an, dass alle 3 Ereignisse dieselben erfassten Nutzer- und Produktkennungen tragen und alle Uhrzeiten in UTC angegeben sind.

Montag, 4. November, 09:00 Uhr: Für ein Notizbuch wird ein Warenkorbereignis erfasst. Dienstag, 5. November, 09:00 Uhr: Für dasselbe Notizbuch wird unter derselben Nutzer-ID ein weiteres Warenkorbereignis erfasst. Dienstag, 5. November, 09:30 Uhr: Ein Kaufereignis wird erfasst.

Die Messung ab dem ersten Warenkorbereignis ergibt 24 Stunden 30 Minuten. Die Messung ab dem letzten Warenkorbereignis ergibt 30 Minuten. Die Differenz innerhalb des Paares beträgt 24 Stunden, genau die Zeitspanne zwischen den beiden Warenkorbzeitstempeln. Der Kauf bleibt bei beiden Berechnungen am Dienstag um 09:30 Uhr.

Das Beispiel erklärt die Berechnung anhand von Ereignissen, ohne eine Historie des Warenkorbinhalts zu liefern. Es sagt uns nicht, ob das Notizbuch über Nacht im Warenkorb blieb, ob sich Mengen änderten oder ob aus dem Kauf eine ausgeführte Bestellung wurde. Ein Bericht kann die beiden Zeitspannen benennen, ohne diese Lücken mit einer Geschichte über den Käufer zu füllen.

Die für die Analyse bei Paper Orchard zuständige Person kann der Geschäftsleitung eine vollständige Erklärung der beiden Dauern geben. Diese Übergabe verwendet nur den oben gezeigten Notizbuchdatensatz. Sie bezieht sich daher auf diesen Kauf und nicht auf einen Monatsmedian.

Zweck: erklären, warum 2 zeitliche Zusammenfassungen desselben Notizbuchkaufs voneinander abweichen. Die Geschäftsleitung muss den Bericht korrekt beschreiben können, bevor sie ihn für einen Kampagnenkommentar verwendet.

Datensatz und Fenster: das einzelne fiktive Nutzer-Notizbuch-Paar von oben, 4.–5. November, UTC. Halte den Kauf am Dienstag um 09:30 Uhr unverändert. Der Datensatz liegt innerhalb des 7-tägigen Nachbeobachtungsfensters im Beispiel. Eine frühere vollständige Nutzerhistorie liefert er nicht.

Startereignisse: Beschrifte eine Messgröße mit „Zeit ab dem ersten beobachteten Warenkorbereignis“ und die andere mit „Zeit ab dem letzten Warenkorbereignis vor demselben Kauf“. Bewahre beide Zeitstempel im Quelldatensatz der Analyse auf. Verkürze nicht beide Beschriftungen zu „Kaufzeit“, denn das würde ihre unterschiedlichen Bedeutungen verdecken.

Ausgearbeiteter Vergleich: Dauer ab dem ersten Warenkorbereignis, 24 Stunden 30 Minuten; Dauer ab dem letzten Warenkorbereignis, 30 Minuten; paarweise Differenz, 24 Stunden. Im Bericht kann stehen: „Diese beiden Zeitspannen enden beim selben erfassten Kauf. Ihr Unterschied entsteht dadurch, dass unterschiedliche Warenkorbereignisse als Startpunkt dienen.“

Interpretation der Geschäftsleitung: Stelle diese Erklärung neben den Vergleich. Die kürzere Dauer beschreibt die Zeit seit der später erfassten Warenkorbaktion. Sie liefert keinen Beleg dafür, dass sich der Bezahlvorgang verbessert hat oder das Notizbuch über Nacht durchgehend im Warenkorb lag.

Nächster Bericht: Die für die Analyse zuständige Person übernimmt die gewählten Ereignisbezeichnungen, die Zeitbasis UTC und die feste Nachbeobachtungsregel in den nächsten Vergleich. Ändert sich die Definition, erklärt die Geschäftsleitung dies, bevor sie die Kennzahlen vergleicht. Jede Bewertung von Nachrichten oder Werbeaktionen braucht eigene Belege.

Diese Vorlage gibt einem Creator oder kleinen Shop etwas Konkretes, das mit dem Berichtspartner zu klären ist: Womit beginnt und endet die jeweilige Dauer? Die kommerzielle Erklärung bleibt offen, bis es Belege gibt. Das gemessene Intervall wird trotzdem direkt benannt.

Dieselbe Frage kann entstehen, wenn eine Agentur und ein Shop unterschiedliche Berichtswerkzeuge verwenden oder ein neuer Export einen längeren oder kürzeren Zeitraum abdeckt. Eine gemeinsame Bezeichnung wie „Zeit zwischen Warenkorb und Kauf“ belegt nicht, dass hinter beiden Zahlen dasselbe Startereignis, dieselbe Kaufzuordnung oder dasselbe Beobachtungsfenster steht.

Für die Geschäftsleitung, die Monatsberichte vergleicht, ist das wichtig, bevor sie einen Trend beschreibt. Beginnt ein Monat beim ersten beobachteten Warenkorbereignis und der nächste beim letzten Warenkorbereignis vor dem Kauf, verbindet die Reihe 2 Definitionen. Eine niedrigere Zahl kann dann neben anderen Monatsunterschieden auch die geänderte Regel widerspiegeln. Unser Vergleich mit festgehaltenen Käufen isoliert den Definitionsunterschied; er misst keine Veränderung des Geschäftserfolgs von Monat zu Monat.

Wenn du das Berichtswerkzeug oder den Export wechselst, halte den Definitionswechsel bei der Übergabe sichtbar fest. Entscheidend ist, ob die alten und neuen Zusammenfassungen dasselbe beschreiben. Unterscheiden sich auch die verfügbaren Historien, benenne dies gesondert. Ein erstes beobachtetes Ereignis hängt davon ab, wo die aufbewahrte Historie beginnt, selbst wenn seine Bezeichnung nach dem Beginn der gesamten Kundenbeziehung klingt.

Analysewerkzeuge treffen bereits ausdrückliche Entscheidungen zum Funnel-Einstieg und zur Zuordnung von Conversions. Amplitude dokumentiert beispielsweise Regeln für den frühesten Einstieg innerhalb einer Sitzung oder eines Rückblickfensters sowie die Auswahl passender Conversion-Pfade. Diese Definitionen helfen beim Lesen eines Berichts; unsere Berechnung mit 2 Startpunkten bildet keinen Amplitude-Bericht nach.^[3]

Die Wahl kann dennoch bewusst erfolgen. Eine Dauer ab dem ersten beobachteten Warenkorbereignis beschreibt die erfasste Zeitspanne seit diesem ersten Ereignis. Eine Dauer ab dem letzten Warenkorbereignis vor dem Kauf beschreibt die Zeit seit der zuletzt erfassten Warenkorbaktion vor dem Kauf. Ein Unternehmen kann die Messgröße wählen, die seine Berichtsfrage beantwortet, und ihre Bedeutung anschließend über Vergleiche hinweg stabil halten.

Die Beschriftung sollte den Unterschied in den Bericht tragen, den die Geschäftsleitung tatsächlich liest. „Median der Zeit ab dem ersten beobachteten Warenkorbereignis“ und „Median der Zeit ab dem letzten Warenkorbereignis vor dem Kauf“ benennen unterschiedliche Starts. Wer beides nur „Kaufzeit“ nennt, entfernt die Information, die den Unterschied erklärt. Auch die einbezogene Gruppe und das Nachbeobachtungsfenster sollten in der Nähe stehen.

Das ist besonders nützlich, wenn ein Creator oder ein kleines Unternehmen die Analyse von jemand anderem erstellen lässt. Die Geschäftsleitung muss nicht jedes Ereignis prüfen, um nach einer klaren Definition zu fragen. Der Berichtspartner sollte erklären können, welcher Start, welcher Endpunkt und welche zulässigen Datensätze zur Zahl geführt haben, bevor er sie kommerziell interpretiert.

Für diese Studie lässt sich Folgendes festhalten: Dieselben erfassten Käufe ergaben unter 2 Startregeln unterschiedliche Zusammenfassungen der verstrichenen Zeit. Um festzustellen, ob eine Produktseite, eine Werbeaktion oder eine Rückgewinnungsnachricht das Einkaufserlebnis verbessert hat, braucht es Belege zu dieser gesonderten Änderung.

Wir verwendeten die Novemberdatei von 2019 aus Version 6 des öffentlichen Kosmetikshop-Datensatzes. Sie enthält 4.635.837 Ereigniszeilen mit den Bezeichnungen view, cart, remove_from_cart und purchase. Die Zeitstempel sind in UTC angegeben, und an jedem Novembertag liegen Einträge vor. Das dokumentiert die Abdeckung der gelieferten Datei, belegt aber keine durchgängige Erfassung jeder Person.^[1][2]

Es gab 1.061.242 erfasste Nutzer-Produkt-Paare mit einem Warenkorbereignis. Wir behielten Paare mit einem ersten nutzbaren November-Warenkorbereignis vom 1. bis 23. November bei und verlangten 7 Tage bis zum beobachteten Dateiende. Die 270.024 Paare mit einem späteren ersten Warenkorbereignis im November lagen außerhalb dieser Kohorte. Keines der nach Datum zulässigen Paare scheiterte an der Anforderung zum Dateiende.

Von 791.218 zulässigen Paaren hatten 193.397 innerhalb dieses festen Horizonts einen eindeutig zuordenbaren später erfassten Kauf. Bei den übrigen 597.821 fehlte innerhalb von 7 Tagen ein zugeordneter Kauf. Diese Paare stehen nicht für beobachtete Warenkorbabbrüche: Ein Kauf könnte später erfolgen, unerfasst bleiben oder unter einer anderen Kennung stattfinden. Die Zeitangaben beziehen sich nur auf die zugeordnete Gruppe und sind keine Conversion- oder Abbruchrate.

Wir wählten den frühesten Kauf ab dem Zeitpunkt des ersten Warenkorbereignisses bis einschließlich zum Ende der 7 Tage. Ein Kauf mit demselben Zeitstempel wie das erste Warenkorbereignis oder ein beliebiges Warenkorbereignis mit demselben Zeitstempel wie dieser Kaufkandidat würde als mehrdeutig ausgeschlossen, ohne einen späteren Kauf einzusetzen. Solche Fälle traten nicht auf. Wiederholte identische Tupel der ausgewählten Ereignisfelder wurden zusammengefasst; Entfernen-Ereignisse setzten keinen angenommenen Warenkorbzustand zurück.

Der Datensatz enthält keine Warenkorb-ID, Bestell-ID, Mengen oder Angaben zum Retourenstatus. Frühere Forschung zum selben Protokoll untersuchte Sitzungen und rekonstruierte Warenkorbzustände mit Process Mining. Unsere Berechnung vergleicht dagegen zwei beobachtete Startereignisse für einen festgehaltenen Kauf eines Nutzer-Produkt-Paares, ohne einen Warenkorb zu rekonstruieren.^[4]

Kohorte, Horizont, Regeln für gleiche Zeitstempel und beschreibende Intervalle legten wir vor der Ergebnisberechnung fest. Die Perzentile verwenden lineare Interpolation. Die Angaben beschreiben die zulässigen Datensätze ohne Konfidenzintervalle für eine Grundgesamtheit oder kausale Schlussfolgerungen. Der Download enthält aggregierte Ergebnisse, genaue Definitionen und Reproduktionscode, aber keine ursprünglichen Nutzer-Produkt-Historien.^[5]